本文介绍了数学优化的基本概念，包括优化问题的通用形式、优化变量、目标函数及可行解集等。同时探讨了优化问题的不同分类方式，如线性规划与非线性规划、凸优化与非凸优化以及光滑与非光滑等问题。
优化 / 数学规划
从一个科学解的集合中，寻找出最优元素
优化问题的通用形式
minimize f0(x)f_0(x)f0(x)
subject to fi(x)≤bi,i=1,...,Mf_i(x) \leq b_i ,i = 1,...,Mfi(x)≤bi,i=1,...,M
优化变量(optimization variable): x=[x1,...,xn]Tx = [x_1,...,x_n]^Tx=[x1,...,xn]T
目标函数(objective function): f0:Rn→Rf_0: R^n \rightarrow Rf0:Rn→R
可行解集(feasible set): { fi(z)≤bi,i=1,...,Mf_i(z) \leq b_i,i=1,...,Mfi(z)≤bi,i=1,...,M }
最优解：x∗⇔∀z,z∈{fi(z)≤bi,i=1,...,M},f0(z)⩾f0(x∗)x^* \Leftrightarrow \forall z, z \in \left \{ f_i(z) \leq b_i,i=1,...,M \right \} , f_0(z) \geqslant f_0(x^*)x∗⇔∀z,z∈{fi(z)≤bi,i=1,...,M},f0(z)⩾f0(x∗)
优化问题分类
-
分类方法1:线性规划 / 非线性规划
fi(αx+βy)=αfi(x)+βfi(y),i=0,1,...,Mf_i(\alpha x + \beta y) = \alpha f_i(x) + \beta f_i(y) , i = 0,1,...,Mfi(αx+βy)=αfi(x)+βfi(y),i=0,1,...,M -
凸优化/非凸优化
fi(αx+βy)≤αfi(x)+βfi(y),i=0,1,...,Mf_i(\alpha x + \beta y) \leq \alpha f_i(x) + \beta f_i(y) , i = 0,1,...,Mfi(αx+βy)≤αfi(x)+βfi(y),i=0,1,...,M -
光滑 / 非光滑（目标函数）
-
连续 / 离散（可行域）
-
单目标 / 多目标
扫一扫
2245
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
